待验证50% 置信事实精确时间
Grad-CAM忠实度的常用评估方式包括删除/插入曲线、指向游戏以及随机化sanity check。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证评估说服力检测这类任务时，通常需要报告随机基线、多数类基线以及人工标注一致性，以便判断0.57这个数字的真正增益幅度。67% 相似待验证目前主流GUI智能体评测基准许多仍采用动作匹配或步骤复现的方式打分65% 相似待验证GAUGE是研究者提出的一套可复用离线评测协议，用于检验'模拟器对话+LLM裁判打分'门禁的排序结果是否匹配有据可查、可验证的奖励信号65% 相似已验证SWE-bench Verified由人工标注者筛除描述模糊或测试不稳定的样本，是业界权威的AI编程能力排行榜之一64% 相似待验证衡量 SLAM 系统不仅要看单次建图精度，更要看闭环检测是否及时、长时间运行后漂移能否被校正。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113986API
curl https://kongchang.com/api/v1/knowledge/claims/1113986MCP
get_claim(id=1113986)